论文部分内容阅读
图像融合是信息融合一个非常重要的分支,是通过一种特定算法将两幅或多幅图像合成为一幅新图像,以最大限度地获取对目标或场景的完整信息描述。多分辨率分析方法在信号和图像处理过程中有着很重要的地位。基于多分辨率分析的图像融合方法是目前像素级图像融合技术中应用非常广泛且极为重要的一类算法,其融合过程是在不同尺度、不同空间分辨率、不同分解层次上进行的,可以获得效果明显改善的融合结果。本文对基于多分辨率分析的图像融合算法进行了较为深入的研究,主要工作包括以下几点:(1)阐述了图像融合的研究背景、意义和国内外研究现状;介绍了基于多分辨率分析的图像融合原理和一般框架,并详细研究了框架中的多分辨率分析模块和融合规则模块;总结了常用的几种图像融合的性能评价指标。(2)研究了中值金字塔变换的原理和实现算法,提出了一种基于中值金字塔变换的多聚焦图像融合算法。利用中值金字塔的非线性特点,能够有效保留细节信息,结合以局部邻域平均梯度作为活性测度的融合规则,得到了比用拉普拉斯金字塔、对比度金字塔和梯度金字塔进行图像融合更好的效果,增大了融合图像的信息熵。(3)详细研究了多分辨率分水岭分割的原理和实现算法,重点讨论了基于分割区域的高频系数的融合规则,提出了一种基于区域分割和小波变换的遥感图像融合算法。由于融合过程考虑到了各源图像的区域信息,能够提高算法的鲁棒性,使感兴趣目标的轮廓更为清晰。仿真实验也证明了该算法的有效性,能够取得比基于IHS变换、PCA变换的图像融合算法更好的融合效果。(4)研究了Contourlet变换和非子采样Contourlet变换的原理,提出了一种基于非子采样Contourlet变换的图像融合算法。对于低频系数的融合采用基于边缘的选择方案,对于高频方向子带系数的融合则采用一种基于局部系数相关性的规则,该算法能够有效地捕捉图像不同尺度下的细节方向信息和几何特征。实验证明了此算法在红外、可见光图像以及多聚焦图像的融合中都十分有效。